Wiki

주제별로 노트를 정리하는 것은 논리적으로 들리지만, PostgreSQL에 대한 노트가 다섯 개의 다른 폴더에 흩어져 있어 오늘 해결해야 할 문제에 도움이 되는 노트를 찾을 수 없게 된다면 이야기가 달라집니다.

대부분의 현대 지식 시스템은 검색(Retrieval) 최적화에 집중하며, 이는 이해할 수 있는 접근입니다. 검색은 가시적이며 데모하기 쉽고, 작동할 때 마법처럼 느껴집니다. 질문을 입력하면 답변이 돌아옵니다.

전제는 간단합니다. 컴파일된 지식은 검색된 단편보다 재사용성이 높습니다. RAG는 직관적인 질문—LLM에게 외부 지식을 어떻게 접근하게 할 것인가?—에 대한 기본 답변이 되었습니다.

PKM, RAG, 위키(Wiki), AI 메모리 시스템, 그리고 최근 주목받는 실용적인 AI 지원 워크플로우가 마치 동일한 문제를 해결하는 것처럼 자주 논의됩니다. 하지만 사실 그렇지 않습니다. 이들은 모두 지식과 관련되어 있지만, 서로 다른 계층에서 작동합니다:

정보 과잉 문제는 양 자체보다 해결되지 않은 입력들의 문제입니다. 현대의 지식 작업은 탭, 채팅 스레드, 문서, 하이라이트, 스니펫, 전사본, 스크린샷, 그리고 완성되지 않은 노트들의 흔적을 남깁니다.